a digitális tartalmak szerepe -...
TRANSCRIPT
Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
A Digitális tartalmak szerepe
a mesterséges intelligencia korában
Prof. Charaf Hassan, BME-VIK, Dékán
2Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
3Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
4Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Evolúció
5Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Pozicionálás
6Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Pozicionálás
7Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Definíció
Tom Dietterich : „A gépi tanulás célja olyan gépeket alkotni, melyek saját tapasztalataikból kiindulva képesek tanulni és alkalmazkodni.”
Olyan algoritmusok, amik példaadatok alapján
szabályszerűségeket ismernek fel, majd ezek
alapján más, a példaadatokkal megegyező
struktúrájú és szemantikájú adatokról hoznak
döntéseket.
8Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
9Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Trendek
10Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Trendek
11Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
12Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
A gépi tanulás helyeÉrt
ék
Nehézség
Leíró analízis
Diagnosztikaianalízis
Előretekintőanalízis
Preskriptív analízis
Mi történt?
Miért történt?
Hagyományos BI Haladó analitika
13Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Mikor használható a gépi tanulás?
• Jól használható, ha
• A probléma megoldásához központi jelentőségű az előrejelzés
• Sok a múltbéli adat
• Rosszul használható, ha
• Az előrejelzés csak egy kis része a megoldásnak
• Nincs előre jelezhető minta
• Nincs elég múltbéli adat
• Túl sok üzleti szabály irányítja az adat forrásának rendszerét
14Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Gépi tanulás- alkalmazásai
• Gépi fordítás
• Karakterfelismerés (OCR, postai osztályozó irányítószám alapján)
• Képfelismerés
• Spamszűrő
• Robotika (autonóm intelligens rendszerek)
• Természetes nyelvek feldolgozása
• Bioinformatika, gyógyszerkutatás
• Oktatás
• Egyebek
15Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Gépi tanulás- problémák
• Jó gépi tanulási algoritmusok fejlesztése, megírása költséges
• Sok eszköz szükséges egy gépi tanulási megoldás lefejlesztéséhez (adatgyűjtés, előkészítés, modellfejlesztés)
• Nehéz a modellt üzleti értékké fordítani, a modellt szolgáltatásként publikálni
• Erőforrás-igényes, nehezen skálázható
• Nagy komplexítású feladatoknál szerényen szerepelnek
16Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
17Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Mély tanulás - indokok
• A számítási kapacitás gyors növekedése
• Sok adatunk van
• Sok fajta adat generálódik egyszerre
• GPU-k elterjedése
• Az igények növekedése
• A nagy IT cégek fejlesztéseinek gyors elterjedése és alkalmazása
18Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Mély tanulás
19Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Mély tanulás - helyzet
• A mély tanulás területén nagy eredmények születtek
• Ezek a technikák a kérdésre tudnak választ adni, a cél hogy a válasz korrekt legyen, tehát a jobb pontosság a cél
• Sajnos nem könnyű kivenni ezekből a technikákból, hogy MIÉRT született az adott döntés.
20Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
21Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Explanable Artificial Intelligence
Sajnos nem tudjuk megválaszolni a Miért-eket
Forrás: https://www.darpa.mil/program/explainable-artificial-intelligence
22Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Explanable Artificial Intelligence
Forrás: https://www.darpa.mil/program/explainable-artificial-intelligence
23Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
A 3. Mesterséges intelligencia hullám
24Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
A Mesterséges intelligencia követelményei
• Fairness : Korrektség, tisztesség
• Privacy : Biztonság, adatvédelem
• Transparency: Átláthatóság
• Explainability: Megmagyarázhatóság
25Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
26Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Franciaország 1900-ben
Forrás: http://www.szineshir.hu/2015/10/17-meglepo-kep-ilyennek-kepzeltek-
jovot.html
27Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
AdaptED, hogyan tanulna
28Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
AdaptED keretrendszer
Framework
+
játékok
Szerver
Felügyelő
játékmenet,
statisztika
megfigyelés,
manipulálás
megjegyzések a
játékmenethez
Szenzoro
k
szenzor
adat
29Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Oktatás és számonkérés
• Elektronikus tanulási környezetek• Moodle, Ilias
• Beépített számonkérések• Tesztek, kérdőívek
• Feleletválasztós, igaz-hamis, kifejtős kérdések
• Feleletválasztós, igaz-hamis válaszok automatikus kiértékelése
• Szöveges válaszok tartalom alapú kiértékelése• Mesterséges intelligencia
• Szövegbányászat, NLP
30Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
31Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Felsőoktatási trendek 2019
• Use of APIs: pl. hatékony adatcsere hallgatói információs rendszerek és
oktatásmenedzsment rendszerek között; felhőalapú rendszerek integrációja
• Active learning classrooms: pl. hallgatóközpontú, technológia-gazdag
tanulási környezet, nagyméretű kijelzőkkel, projektorokkal stb.
0–20% 21–40% 41–60% 61–80% 81–100%Using
Forrás: https://www.educause.edu
32Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Felsőoktatási trendek 2019
0–20% 21–40% 41–60% 61–80% 81–100%Using
• Blended data center: pl. felhőalapú- és saját üzemeltetésű rendszerek
integrációja; stratégiai váltás SaaS (software as a service) -> IaaS (infrasturcture
as a service)
• Accessibility technologies: pl. oktatást támogató alkalmazások pl. fizikai
vagy kognitív szempontból hátrányos helyzetű hallgatóknak, személyzetnek
Forrás: https://www.educause.edu
33Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Felsőoktatási trendek 2019
0–20% 21–40% 41–60% 61–80% 81–100%Using
• Mobil devices: az oktatási anyagok kompatibilitása mobileszközökkel;
mobileszköz-alapú teljesítményértékelés, hallgatói együttműködés,
terepmunka…
• OERs: ingyenesen elérhető, nyílt licenszű dokumentumok és anyagok
oktatáshoz, tanuláshoz, teljesítményértékeléshez, kutatáshoz
Forrás: https://www.educause.edu
34Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Felsőoktatási trendek 2019
0–20% 21–40% 41–60% 61–80% 81–100%Using
• Analyses of student data: technológiák nagyméretű, komplex adathalmazok
azonnali, gyors eléréséhez és elemzéséhez; pl. hallgatói elkötelezettség
trendjei
• Analytics for student success: előremenetel elemzése; modellek a
tanulmányok késleltetésére, megszakítására vonatkozó rizikótényezők
felismerésére
Forrás: https://www.educause.edu
35Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Felsőoktatási trendek 2019
0–20% 21–40% 41–60% 61–80% 81–100%Using
• Student success planning: oktatási, tanulási, pénzügyi és más adatok
elemzése, személyek együttműködése intézményi szinten a hallgatói
kibocsátás támogatására
• Application performance: eszközök az intézményi alkalmazások
teljesítményének monitorozására pl. a felhasználói élmény ill. belső metrikák
szempontjából (pl. terhelés és kapacitás)
Forrás: https://www.educause.edu
36Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Tartalom
• Evolúció, pozicionálás, MI definició
• Trendek, miért most?
• A gépi tanulás
• Mély tanulás
• „Explainable AI” – Megmagyarázható MI
• Digitális tartalmak vs. Oktatás digitalizáció
• Felsőoktatás trendek 2019-ben
• Példa, BME-VIK
37Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Programozás: Tananyag modern eszközökkel
38Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Automatikus feladat kiértékelés
39Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Hallgató mit kap?
Feladat kiadása automatikus
GitHub Classroom
Feladathoz tartozó
instrukciók
40Az oktatás átalakulása a tudástársadalom és MI korában 2019. november 6.
Oktató hogyan értékel?
Dedikált alkalmazás
GitHub integráció
Exercise 3: Running import with SSIS
Microsoft (R) SQL Server Execute Package Utility
Version 14.0.3015.40 for 64-bit
Copyright (C) 2017 Microsoft. All rights reserved.
Started: 4:49:07 AM
Progress: 2019-04-15 04:49:12.52
Source: Truncate BXUser
Executing query "truncate table BXUser".: 100% complete
End Progress
Progress: 2019-04-15 04:49:12.59
Source: import users
Validating: 0% complete
End Progress
Progress: 2019-04-15 04:49:13.42
Source: import users
Validating: 20% complete
End Progress
Progress: 2019-04-15 04:49:13.42
Source: import users
Validating: 40% complete
End Progress
Értékelés: futtatás
Pont / jegy javaslat
Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar
www.vik.bme.hu